跳到正文
arXiv · 机器人与计算机视觉· Marino Watanabe, Takami Sato, Kentaro Yoshioka·· 9 天前AI 评分65

FLARE与ChromaGuard:针对VLA模型光照脆弱性与色彩感知退化的防御框架

Lights, Camera, Malfunction: When Illumination Robustness Leaves VLA Models Blind to Color

AI 导读

论文指出VLA模型常因数据增强而将颜色视为噪声,导致在真实世界颜色依赖任务中成功率大幅下降(最高仅48.8%)。作者提出FLARE框架利用光照扰动暴露此类脆弱性,并设计ChromaGuard方法保留色度进行对抗训练。实验显示,基于SmolVLA的物理6-DoF平台在使用ChromaGuard后,良性与受攻击任务的平均成功率分别达到95.0%和88.8%,显著优于未防御基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org